Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
Artigo de Paul Viola e Michael Jones
Grupo: Johnnatan Messias Pollyanna Gonçalves Disciplina: BCC448 – Reconhecimento de Padrões
Apresentar um método eficiente para detecção de faces (Viola Jones)
Adaptar o algoritmo para o problema de contagem de pessoas em vídeo em posição zenital
Propõe um algoritmo para detecção de faces rápido e eficiente
95% de taxa de detecção
1 falso-positivo a cada 14.084 amostras
Contribuições:
Imagem Integral
Algoritmo de aprendizado baseado no AdaBoost
Classificadores em cascata
1. Percorre a imagem usando uma janela. 2. Realiza a detecção utilizando características
retangulares em várias escalas.
1. Utiliza imagem integral para extrair atributos retangulares de forma rápida.
3. Classifica utilizando um algoritmo de boosting.
Unidades básicas do método: formas retangulares (características de Haar)
Podem ter dimensões e posições arbitrárias dentro de uma janela
Valor de um feature sobre uma imagem:
Cada atributo resulta num valor numérico, calculado subtraindo a soma do(s) retângulo(s) branco(s) da soma dos retângulo(s) preto(s).
Em cada janela de uma imagem cada um dos features é calculado em diferentes escalas e deslocamentos
+- 45 mil retângulos são possíveis considerando todas as combinações possíveis de deslocamento e escala
Acelera o cálculo do valor de um retângulo
Cada pixel é igual a soma de todos os pixels acima e à esquerda.
Soma = D - (B + C) + A
Com apenas 4 valores podemos calcular a integral da imagem de um retângulo
De 45 mil retângulos possíveis apenas alguns irão gerar valores consistentes quando posicionados sobre uma face
AdaBoost: Seleciona as características mais eficientes e
treina o classificador
capaz de construir um classificador forte a partir de uma combinação ponderada de diversos classificadores fracos
Fraco Fraco Fraco
Classificador Forte!
O problema foi modificado de detecção de faces para descartar não faces utilizando cascata
Cada nó é treinado com os falsos positivos do anterior
Casos negativos são rejeitados antes do ultimo nível da cascata
Para uma face ser detectada é preciso que se percorra todas as camadas
Adaptar o algoritmo de Viola Jones para a detecção de pessoas em vídeo em posição zenital (90º)
Requer:
definir tamanho da janela
treinar o classificador com uma base de dados já existente e rotulada
Viola, P. and Jones, M. “Robust Real-Time Face Detection”. Int. Journal Computer Vision, v57, n.2, pp 137154, 2004.
Moacir Ponti Jr. “Detector de faces Viola-Jones”. (ICMCUSP)
Túlio Ligneul Santos “Detecção de faces através do algoritmo de Viola-Jones” M. Sc. student at PESC – COPPE/UFRJ, 2011
“Técnica baseada em treinamento e cascata de classificadores”. PUC-RIO